👻 Kiro Gateway：把 AWS AI 编程助手变成 OpenAI 兼容接口的代理网关

想象一下：你习惯用 Claude Code 或者 Cursor 写代码，突然发现公司网络无法访问 Anthropic 的服务器，或者你想要一个统一的 API 接口来同时调用多个 AI 服务——这时候，你就需要 Kiro Gateway。它本质上是一个"翻译层"：一头对接 Kiro（Amazon Q Developer / AWS CodeWhisperer）的后端 API，另一头暴露成 OpenAI 或者 Anthropic 兼容的接口，让任何支持这两种协议的编程工具都能直接使用 AWS 提供的免费 Claude 模型。

🔧 项目背景与诞生动机

Kiro Gateway 由独立开发者 @Jwadow 创建，项目托管于 GitHub。Kiro 是 Amazon Q Developer（即原 AWS CodeWhisperer）的品牌演进版，为开发者提供 AI 辅助编程功能。和 Claude Code 一样，Kiro IDE 登录后可以免费使用 Claude Sonnet 等模型——但这些模型的访问入口被绑定在 Kiro IDE 内部，CLI 工具需要繁琐的 AWS IAM Identity Center（SSO/OIDC）授权才能单独使用。

Kiro Gateway 的核心价值在于打破这个绑定。它运行一个本地 FastAPI 服务器，模拟 OpenAI Chat Completions 和 Anthropic Messages API 的接口规范，接收开发者的请求后，通过 Kiro 账号认证将请求转发到 Kiro 后端，再把响应转译成标准格式返回。这样一来，Claude Code、OpenCode、Cline、Roo Code、Cursor、Continue、LangChain 等数十款主流 AI 编程工具，都可以在不修改任何配置的情况下，通过 Kiro Gateway 使用 Kiro 提供的免费 Claude 模型。

项目采用 AGPL-3.0 开源许可证，代码主要由 Python 编写，依赖 FastAPI + uvicorn + httpx + loguru，架构清晰，模块化程度高。

⚡ 核心功能：从 AWS AI 到任意编程工具的桥梁

Kiro Gateway 提供的核心能力可以归结为四个字：协议兼容。

OpenAI 兼容接口是最常用的模式。开发者将 base_url 设置为 http://localhost:8000/v1，在 API Key 字段填入任意值（网关不做验证），就能用 OpenAI SDK、LangChain、Continue 插件等标准工具直接调用 Kiro 提供的 Claude Sonnet 4.5、Claude Haiku 4.5、DeepSeek-V3.2、GLM-5 等免费模型。网关内部维护 token 刷新逻辑（Refresh Token 过期前自动续期），用户无需关心会话管理。

Anthropic 原生接口通过 /v1/messages 端点暴露。对于使用 Anthropic SDK 或者 Claude Code 这类直接调用 /v1/messages 的工具，网关也能正确处理。

多账户智能切换是进阶功能。通过配置文件支持同时注册多个 Kiro 账号（Refresh Token、Profile ARN、JSON 凭证文件、kiro-cli SQLite 数据库四种认证方式），网关会在某个账号触发速率限制（403/429/5xx）时自动切换到下一个可用账号，实现近乎无缝的故障转移。

**扩展思维（Extended Thinking）和工具调用（Tool Calling）**也被支持，前者是推理过程的可见化，后者允许模型调用预定义的函数。此外还有 Web 搜索（实时联网查资料）、图片理解（Vision）、SSE 流式响应等完整能力。

🏗 技术架构：分层模块的 FastAPI 应用

代码结构采用经典的分层设计，核心目录为 kiro/，包含约 30 个 Python 模块：

技术栈极为精简：fastapi（Web 框架）、uvicorn[standard]（ASGI 服务器）、httpx（异步 HTTP 客户端）、loguru（结构化日志）、python-dotenv（环境变量）、tiktoken（token 计数）。测试依赖：pytest、pytest-asyncio、hypothesis。没有任何重型 ML 依赖，部署门槛极低。

容器化方面，项目提供了单阶段 Dockerfile（基于 python:3.10-slim，安全地使用非 root kiro 用户运行）和 docker-compose.yml（一行命令即可启动，包含所有环境变量配置模板）。

🚀 部署实战：本地 Docker 部署全流程

Docker 部署是最推荐的方式，全程约 5-10 分钟：

# 克隆代码
git clone https://github.com/Jwadow/kiro-gateway.git
cd kiro-gateway

# 配置环境变量
export KIRO_REGION=us-east-1
export REFRESH_TOKEN=你的Kiro刷新令牌

# 一键启动
docker compose up -d

# 验证运行
curl http://localhost:8000/health

启动后，http://localhost:8000 就是 OpenAI 兼容的 API 端点。以 Claude Code 为例，只需配置 CLAUDE_API_KEY=sk-dummy 和 CLAUDE_BASE_URL=http://localhost:8000/v1，就能用上 Kiro 的免费 Claude Sonnet。整个过程完全透明，Claude Code 以为自己连的是 OpenAI，实际背后走的是 Kiro Gateway → Kiro 后端。

硬件需求极低：无需 GPU，普通笔记本即可运行。内存占用约 512MB，磁盘约 200MB。

⛔ 局限性与风险

合规性灰色地带是最核心的问题。Kiro 的免费模型是 AWS 提供给 Kiro IDE/CLI 用户的福利，Kiro Gateway 通过接口适配暴露这些能力，存在被 AWS 检测和封禁账号的风险。项目文档也明确建议：仅用于个人学习研究，生产环境请谨慎。

模型可用性不稳定。Claude Opus 4.5 已于 2026 年 1 月从免费套餐移除，DeepSeek 系列和 GLM 系列作为第三方模型随时可能调整。网关本身无法保证模型列表的实时性。

Refresh Token 的安全存储。REFRESH_TOKEN 是长期有效凭证，泄露后等同于账号被盗用。生产部署需要配合 Vault 或秘钥管理服务，而非明文写在 .env 文件中。

无原生 Web UI，对于不熟悉命令行的用户有一定门槛。

🌱 行业意义：开源社区的"中间层"创造力

Kiro Gateway 代表了开源社区的一种典型创新模式：协议适配层。当商业服务提供方通过专有接口绑定用户时，开源社区通过反向工程和标准化封装，创造出一个透明层，让用户重新获得对工具链的控制权。这种模式在历史上反复出现——从各种 OpenAI API 兼容层，到 Twitter/X API 的第三方替代品，皆属此类。

从技术角度看，这个项目也是学习 FastAPI 高级用法（中间件、生命周期管理、协议转换）的优秀参考样本，特别是 converters_core.py（61KB）中处理各种边界条件的逻辑，对想深入理解 AI API 生态的开发者很有价值。

如果你在寻找一种不花钱又能用上高质量 Claude 模型的方式，同时愿意接受一定的合规风险，Kiro Gateway 是目前最成熟的解决方案之一。